Professional Documents
Culture Documents
> <
=
. 100 20 0
; 100 20 80 / 1
) (
x ou x para
x para
x f
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.1 - Introduo
Tendo em vista que, nesse exemplo a funo de densidade
bastante simples, a probabilidade de que a profundidade do lenol
esteja em um dado intervalo pode ser calculada com o uso de rea de
figuras planas. Assim, para obter a probabilidade de uma
profundidade entre 25 e 29, calculamos a rea do retngulo:
e, portanto, P(25 X < 29) =
80
4
80
1
4
80
1
) 25 29 ( = =
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.2 A funo de densidade probabilidade (fdp)
Dizemos que f(x) uma funo contnua de probabilidade ou
funo de densidade de probabilidade para uma varivel aleatria
contnua X, se satisfaz duas condies:
i) 0, para todo ,
ii) Area definida por f(x) igual a 1.
Com auxlio do clculo diferencial e integral, podemos
caracterizar a condio ii) atravs de
Da mesma forma, para calcular probabilidades, temos que para
, , a integral indica a rea sob f(x) definida
pelo intervalo [a; b].
= . 1 ) ( dx x f
=
b
a
dx x f b X a P ; ) ( ) (
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.2 A funo de densidade probabilidade (fdp)
Note que, pela forma como a atribumos as probabilidades no
caso contnuo, teremos rea zero sob qualquer valor individual, isto
, P(X = k) = 0 para qualquer k. Portanto, em se tratando de variveis
aleatrias contnuas, a probabilidade de ocorrncia de um valor
isolado sempre zero e, consequentemente, as probabilidades
calculadas sobre os intervalos [a; b], [a; b), (a; b] e (a; b) so as
mesmas, para qualquer valor de a e b.
Exemplo: Num teste intelectual com alunos de um colgio Y, o
tempo para realizao de uma bateria de questes de raciocnio
lgico medido e anotado para ser comparado com um modelo
terico. Este teste utilizado para identificar o desenvolvimento da
capacidade de raciocnio lgico e auxiliar a aplicao de medidas
corretivas. O modelo terico considera T, tempo de teste em minutos,
como uma varivel aleatria contnua com funo de densidade de
probabilidade dada por:
O grfico da fdp apresentado a seguir (construiremos ele no
software R). Deve ser notado que, pela definio de f(x), ela se
anula para t < 8 ou t >15.
Vamos verificar agora se a funo f(t) satisfaz a definio de
densidade. Para calcular P(9 < T 12), vamos obter a rea sob f(t)
no intervalo (9; 12]:
<
<
=
contrrio caso
t se
t se t
t f
0
15 10
20
3
; 10 8 ) 4 (
40
1
) (
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.2 A funo de densidade probabilidade (fdp)
Assim P(9< T 12) = 7/16 valor esse obtido pela soma do
trapzio definido no intervalo (9, 10) com o retngulo determinado
pelo intervalo [10,12] (veja a figura).
6 8 10 12 14 16 18
0
.
0
0
0
.
0
5
0
.
1
0
0
.
1
5
t
f
(
t
)
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.2 A funo de densidade probabilidade (fdp)
Atravs do uso de integral, essa mesma probabilidade seria
calculada da seguinte forma:
12 10 12
9 9 10
10
12
2
10 12
9 10
10
9
(9 12) ( ) ( ) ( )
1 3 1 3
( 4) 4
40 20 40 2 20
11 6 7
0, 4375
80 20 16
P T f t dt f t dt f t dt
t
t dt dt t t
< = = + =
| |
| |
+ = + =
| |
\
\
+ = =
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.2 A funo de densidade probabilidade (fdp)
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.3 Valor Mdio de uma Varivel Aleatria
Contnua
O valor esperado ou mdia da varivel aleatria contnua X, com
fdp dada por , dada pela expresso:
J a sua varincia dada por:
Como no caso discreto, a varincia a medida de disperso mais
utilizada na prtica. Aqui podemos, tambm, utilizar a expresso
alternativa
, com
= = . ) ( ) ( dx x xf X E
= . ) ( ) (
2 2
dx x f x
= . ) ( ) (
2 2
dx x f x X E
O desvio padro a raiz quadrada da varincia e, como j
mencionado anteriormente, tem a mesma unidade de medida da
varivel original, o que facilita a interpretao dos seus valores.
Vamos a um exemplo:
Investidores estudaram uma certa carteira de aes e
estabeleceram um modelo terico para a varivel R, rendimento das
aes (em mil R$). Suponha que R uma varivel aleatria contnua
com a seguinte funo de densidade:
Vamos aplicar no Software R
1
1 , 0 20
( ) 40 10
0,
r
se r
f r
caso contrrio
| |
+
|
=
\
20 20
4 3
20
2 2
0
0 0
1 1 1 200 500
( ) 1 100 $ .
40 10 400 4 40 3 3 3
r r r
E R r dc R mil
| | | |
| |
= + = + = + =
| | |
\
\ \
2
2 2 2 2
500 35 275
( ) $30, 56 mil
3 3 9
E R R
| |
= = = =
|
\
30, 56 $5, 53 mil
R
R = =
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.4 O modelo de distribuio Normal
A distribuio normal uma das mais essenciais e importantes
distribuies da estatstica, conhecida tambm como Distribuio de Gauss
ou Gaussiana. Foi primeiramente introduzida pelo matemtico Abraham de
Moivre.
Alm de descrever uma srie de fenmenos fsicos e financeiros,
possui grande uso na estatstica inferencial. inteiramente descrita por
seus parmetros de mdia e desvio padro, ou seja, conhecendo-se estes
consegue-se determinar qualquer probabilidade em uma distribuio
Normal.
Um interessante uso da Distribuio Normal que ela serve de
aproximao para o clculo de outras distribuies quando o nmero de
observaes fica grande. Essa importante propriedade provm do Teorema
do Limite Central que diz que "toda soma de variveis aleatrias
independentes de mdia finita e varincia limitada aproximadamente
Normal, desde que o nmero de termos da soma seja suficientemente
grande" (Ou seja, que a amostra seja maior que 30 observaes).
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.4 O modelo de distribuio Normal
Diz-se que X tem Distribuio Normal com mdia e varincia
2
se sua funo de densidade de probabilidade (fdp) :
E(X) =
Var(X) =
2
Pode-se ainda verificar que os parmetros e
2
representam,
respectivamente, a mdia e a varincia da distribuio. A
demonstrao requer algumas manipulaes de integral. O que no
vai ser demonstrado aqui. Assim quando indicarmos que X ~ N (;
2
), segue imediatamente que E(X) = e Var(X) =
2
.
=
x e x f
x
i X
L
2
2
2
) (
2
1
) (
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.4 O modelo de distribuio Normal
Graficamente a curva normal comporta-se da seguinte maneira:
30000 40000 50000 60000 70000 80000 90000
0
e
+
0
0
1
e
-
0
5
2
e
-
0
5
3
e
-
0
5
4
e
-
0
5
Distribuio Nomal(60.000,8.300)
x
f
(
x
)
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.4 O modelo de distribuio Normal
Algumas propriedades da densidade da Normal podem ser,
facilmente, observadas de seu grfico:
f
X
(x
i
) simtrica em relao ;
f
X
(x
i
) 0 quando x ;
o valor mximo de f
X
(x
i
) se d para x = e e so
pontos de inflexo de f(xi)
Quando temos 0 e
= = L
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.4 O modelo de distribuio Normal
Assim, o grfico da normal padro pode ser representado por:
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.4 O modelo de distribuio Normal
Vamos partir de um exemplo prtico:
Vamos trabalhar com uma srie dos fundos de investimentos da
Petrobrs gerenciado pelo Bando do Brasil. Observou-se que o
comportamento dos fundos entre 02/01/2012 a 13/03/2012 tiveram
um comportamento muito aproximado a uma curva normal como
pode ser observado no grfico abaixo:
A mdia ficou em torno de R$ 7,27
a cota do fundo e o desvio padro
foi de R$ 0,295.
Vamos construir a fdp desta
varivel aleatria no software R.
Os limites de intervalo sero R$ 6 e
R$ 8,25
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.4 O modelo de distribuio Normal
No clculo de probabilidades para variveis contnuas, devemos
resolver a integral da fdp no intervalo de interesse, isto ,
P(a X b) =
Entretanto, a integral acima s pode ser resolvida de modo
aproximado e por mtodos numricos. Por essa razo, as
probabilidades para o modelo Normal so calculadas com auxlio de
software estatsticos ou por tabelas.
A partir do exemplo anterior, vamos visualizar algumas
possibilidades e informaes probabilsticas que podem ser tiradas a
partir da curva da normal criada para o fundo de aes da Petrobrs.
2
2
( )
2
1
2
x
b
a
e
\
|
=
|
\
|
b
Z
a
P
b X a
P
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.4 O modelo de distribuio Normal
Os valores para P(0 Z z), z>0 so apresentados na seguinte
tabela.
Com a simetria da densidade Normal podemos calcular valores de
probabilidades em outros intervalos. Note que a simetria tambm
implica que a probabilidade de estar acima (ou abaixo) de zero 0,5.
Como probabilidade sempre um nmero entre 0 e 1, a tabela
contm apenas a parte decimal.
Por exemplo, para X~N(2,9), teremos:
Agora como foi localizado o valor 0,3413 na tabela normal?
3413 , 0 ) 1 0 (
9
2 5
9
2
9
2 2
) 5 2 ( = < < =
|
|
\
|
<
<
= < < Z P
X
P X P
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.4 O modelo de distribuio Normal
Para obter P(0 X 2), usamos a assimetria da Normal:
Podemos ainda calcular as probabilidades de intervalos com
extremos negativos, utilizando os correspondentes intervalos na parte
positiva. Um outro recurso importante no uso da tabela a utilizao
do complementar. Por exemplo,
0 2 2 2
2 2
(0 2) ( 0) (0 )
3 3
9 9
(0 0, 6666) 0, 2486
P X P Z P Z P Z
P Z
| |
< < = < < = < < = < <
|
\
< < =
( ) ( ) 3707 , 0 1293 , 0 5 , 0
3
1
0 5 , 0
3
1
3
2 3
) 3 ( = = < = > =
|
\
|
> = > Z P Z P Z P X P
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.4 O modelo de distribuio Normal
A tabela tambm pode ser utilizada no sentido inverso, isto ,
dado uma certa probabilidade, desejamos obter o valor que a
originou. Por exemplo, quanto vale c tal que P(0 Z c) = 0,4?
Procurando no corpo da tabela, a probabilidade que mais se
aproxima de 0,4 0,3997; correspondendo a 1,28 que ser o valor de
c.
Suponha, agora, que queremos encontrar d tal que P(Z > d) = 0,8.
Observamos que d precisa ser negativo, pois a probabilidade
desejada maior que , que o valor de P(Z > 0). Assim, o
intervalo (0; d) precisa ter probabilidade 0,3. Pela simetria da
Normal, o intervalo (-d, 0) tambm tem probabilidade 0,3. Da tabela,
segue que d = 0,84 e portanto d = -0,84.
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.4 O modelo de distribuio Normal
Vamos finalizar essa seo utilizando o exemplo anterior para o
fundo de aes da Petrobrs/BB.
a) Qual a probabilidade de obtermos lucro se na poca do resgaste o
valor da ao for de R$ 7,18?
b) Qual deveria ser o preo mximo (em R$) para que o investidor
tenha uma probabilidade de lucro pequena, de cerca de 10%?
Assim, precisamos obter um valor em R$ tal que: P(X < R$) = 0,1.
Ento,
7, 27 7,18 7, 27
( 7,18) ( 0, 31) 0, 5 0,1179 0, 3821
0, 295 0, 295
X
P X P P Z
| |
< = < = < = =
|
\
7, 27 $ 7, 27 $ 7, 27
( ) 0,1
0, 295 0, 295 0, 295
X R R
P P Z
| |
< = < =
|
\
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.5 A distribuio t de student
A distribuio t de Student importante no que se refere a
inferncias sobre mdias populacionais.
Diz-se que uma varivel aleatria contnua T tem distribuio t de
Student se sua funo de densidade dada por:
;
1
2
2
1
,
Essa expresso, certamente, assustadora! Mas eis uma boa
notcia: no precisaremos dela para calcular probabilidades! No
entanto, interessante notar duas caractersticas bsicas dessa
expresso: o argumento t da funo aparece elevado ao quadrado e fT
depende apenas do nmero de graus de liberdade da qui-quadrado e,
portanto, o parmetro desta distribuio , tambm, o nmero de
graus de liberdade.
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.5 A distribuio t de student
Em termos de mdia e varincia a distribuio t de Student, (com
v graus de liberdade) que ser indicada por t(v), ser:
0
2
Quanto maior o valor de v mais t aproxima-se de uma normal
N~(0,1), isso pode ser verificado no grfico abaixo:
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.5 A distribuio t de student
Assim como no caso da normal, seria necessria uma tabela para
cada valor de v. Os programas computacionais de estatstica
calculam probabilidades associadas a qualquer distribuio t. Mas
nos livros didticos comum apresentar uma tabela da distribuio t
que envolve os valores crticos, ou seja, valores que deixam
determinada probabilidade acima deles. Mais precisamente, o valor
crtico da t(v) associado probabilidade o valor tv; tal que
;
Para encontrar o valor tabelado basta pegarmos o grau de
liberdade v e compararmos com a nossa probabilidade de cometer o
erro tipo I (isso ser visto mais adiante).
Suponha que tenhamos v=6 e queiramos um erro de 5% para uma
distribuio uni caudal, ento teramos:
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.6 A distribuio Qui-Quadrado
A distribuio qui-quadrado um caso especfico da distribuio
Gama.
Como definio temos:
Uma varivel aleatria contnua Y tem distribuio qui-quadrado
com v graus de liberdade (denotada por
) se sua funo
densidade for dada por:
, 0
; 0, 0
Amdia e varincia para a qui-quadrado so:
E(Y)=v Var(Y)=2v
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.6 A distribuio Qui-Quadrado
Graficamente a distribuio qui-quadrado se comporta da seguinte
forma:
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.6 A distribuio Qui-Quadrado
Usando a tabela qui-quadrado para v=10, observe que
P(Y>2,558)=0,99; ao passo que P(Y>18,307)=0,05.
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.6 A distribuio F de Snedecor
Sejam U e V duas v.a. independentes, cada uma com distribuio
qui-quadrado, com v1 e v2 graus de liberdade, respectivamente.
Ento, a v.a.
Tem densidade dada por:
,
/2
/2
/
1
/
,
0
Diremos que W tem distribuio F de Snedecor, com
. Podemos
mostrar que:
1
2
U v
W
V v
=
I.2 VARIVEIS ALEATRIAS CONTNUAS
I.2.6 A distribuio F de Snedecor